Metode Statistika Pertemuan VII Pengantar Metode Penarikan Contoh

Mendapatkan data Primer Studi Kualitatif Observasi Percobaan Survey Survey lengkap (sensus)  mengumpulkan data dari keseluruhan populasi Populasi : kumpulan objek yang menjadi perhatian riset Survei Sampling mengumpulkan data dari sebagian populasi Sample : himpunan bagian dari populasi  yang secara aktual dipelajari

Mengapa harus sampel ? Sampling menghemat waktu & uang Pengujian dapat bersifat merusak Umumnya sampling lebih akurat manakala uang dan waktu terbatas… Lebih baik menghabiskan uang dan waktu yang ada untuk mendapatkan informasi terperinci yang akurat pada beberapa individu (saja) dibanding berusaha dengan cepat untuk mendapatkan sedikit informasi dari banyak individu

Sampel harus representatif Sample yang baik: representatif  mewakili populasi Jika sampelnya representatif, statistik yang diperoleh dari analisis terhadap data sampel akan mendekati apa yang didapat dari populasi Jika suatu metode sampling cenderung memberi sampel di mana beberapa karakteristik populasi direpresentasikan berlebih atau kurang (over or under-represented) maka metode sampling tersebut ber-bias Suatu metode sampling yang ber-bias punya kecenderungan memberi sampel yang tidak representatif

Representativeness Individu (orang) Place (urban vs. rural) Time Karakteristik Demografi (umur, pendidikan…) Karakteristik Psikografi Place (urban vs. rural) Time Seasonality Day of the week Time of the day

Peranan Metode Sampling? Mendapatkan sampel yang mewakili (representatif) populasi Memilih metode yang tepat Menentukan jumlah sampel yang memadai  sesuai dengan tingkat akurasi yang diharapkan Metode Sampling : Probability vs Non Probability Sampling

Probability Sampling Metode Sampling yang berbasis pada kaidah peluang (pemilihan secara acak)  tingkat akurasi bisa dihitung Acak  setiap unit memiliki peluang yang sama untuk terpilih  Butuh kerangka contoh (daftar seluruh unit atau anggota populasi) Beberapa definisi: N = banyaknya objek dalam kerangka contoh (sampling frame) n = banyaknya objek dalam contoh f = n/N = fraksi contoh

Beberapa Metode Sampling (Probability) Penarikan Contoh Acak Sederhana (Simple Random Sampling) Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Penarikan Contoh Sistematis (Systematic Random Sampling) Penarikan Contoh Gerombol (Cluster Random Sampling) Penarikan Contoh Bertahap (Multi-Stage Sampling) Error  Sampling Error vs Non Sampling Error

Memilih Metode Sampling Kenali Populasi sasaran studi Ukuran dan penyebaran geografis Keragaman variabel Tingkat ketelitian yang diinginkan Sumberdaya yang tersedia (dana, sdm, peralatan, dll) Pentingnya mempunyai dugaan yang tepat tentang sampling error

Ukuran contoh optimum (n) Simple random sampling n = f(ragam, ukuran populasi, ketelitian yang diinginkan, biaya, waktu, resiko) Ukuran contoh yang diperlukan untuk menduga  dengan batas error pendugaan sebesar B adalah: Ukuran contoh yang diperlukan untuk menduga P dengan batas error pendugaan sebesar B adalah: Z=1.96 dengan SK 95%, V=Std relatif thd mean, =batas kesalahan yang diinginkan (% thd mean)

Non Probability Sampling Pemilihan tidak dilakukan secara acak Generalisasi terhadap populasi agak sulit dilakukan Sering digunakan dalam penelitian sosial, marketing research, dll., krn Probability Sampling tidak praktis atau bahkan tidak dapat diterapkan Accidental/Haphazard/Convenience vs Purposive Purposive  Model Instance Sampling, Expert Sampling, Quota Sampling, Heterogenety Sampling, Snowball Sampling